真题 Flashcards
向平均数回归
测量值向平均数靠近的现象 原因：1.所有的测量都会受到一定变量变异的影响（重测时极端值会向平均数回归 2、被试未能随机分组（两组被试来自两个不同的总体 解决：随机分配到实验组和控制组 例如非常高者孩子的身高有比其父母更矮的趋势，非常矮者孩子的身高也有比其父母更高的趋势，这种趋势叫回归平凡，也叫向均数回归
实验者效应
实验者不经意间对被试流露出自己对实验结果的期望以至于影响了实验结果。可通过双盲程序（被试和实验者都不知道被试是在实验组还是控制组）和自动化解决
速度-准确性权衡
在操作的速度和准确性之间存在着反向关系。考虑错误率和反应时两个因变量。当急于做某件事时，更可能出差错；当试图准确地完成某件事时，为达到预期的准确性，必须放慢工作速度。
混合设计
在同一实验中，一些自变量由被试间设计处理，另一些则由被试内设计处理。如果一个变量可能影响另一变量，那么这一变量可以作为被试间变量，而其他变量可在被试内变化，混合设计更安全
天花板效应
是量表衰减效应的一种类型，是指因变量测量范围受到限制，测量结果集中在量表的最顶端。与地板效应相反。
如一个三百多斤的胖子用一台量程为300斤的称称体重
被试间设计优缺点
每个人只接受一种实验处理 优：一种处理方式不可能污染另一种处理方式，避免了练习、疲劳效应 被试只接受一种实验处理，避免要求特征的影响，被试较难猜出实验目的 缺：需要的被试数较多 使用不同组被试产生变异性，无法分辨是由于被试间差异还是操作导致了因变量的变化
被试内设计优缺点
所有被试都会受到每一水平自变量的影响
优点：不同处理条件下的实验均由同一组被试完成，被试差异不会成为混淆因子，研究的内部效度较高
节省被试，降低实验成本
缺：不对称迁移或差异延续效应时不能使用被试内设计；
被试内设计更有可能产生要求特征的影响；
被试通常要接受两次或更多的测试，实验者必须警惕与时间有关的因素对实验结果可能产生的影响（练习/疲劳效应
操作定义及重要性
根据可观察、可测量、可操作的特征来界定变量的含义的方法，一个操作定义要求语句明确，具有可重复性。通过限定某概念的测量方法，使研究具有重复性
优点：促进科学交流；增进科学研究的信度；为概念的阐述和精炼奠定了基础
缺点：存在基本效度问题，所定义的东西是否真的是所研究的东西
效应量为什么是一种标准化统计量
效应量可提供跨实验的标准化衡量工具，用同一标准衡量不同实验处理所造成的变化强度
效应量d=u1-u2/标准差：两个总体均数以标准差为单位的离散程度。0.2小效应量，0.5中等，0.8大
效应量与置信区间
效应量可提供跨实验的标准化衡量工具，用同一标准衡量不同实验处理所造成的变化强度
置信区间：可让我们对总体的可能取值范围有一个直观把握，来判断实际差异是否显著（有一定几率捕捉到总体均数的范围
t检验与方差分析的区别
1⃣️t检验主要用于比较一个自变量两个水平之间的均值差异，单因素方差分析主要用于比较一个自变量两个/以上水平的均值差异
2⃣️三次t检验会导致一类错误率提高
3⃣️方差分析检验力较高，即使任何两组之间没有显著差异，方差分析也能检测出几组均数之间的一个显著性差异
高级交互作用
两个变量之间交互作用的性质依赖于第三个变量的水平而变化
如：在字形任务中，控制组和遗忘组的外显测试成绩差异以语义任务小。
测验类型和被试类型交互作用的大小取决于测试任务的水平
交互作用
当一个自变量的水平受到另一个自变量水平的不同影响时，交互作用就发生
如 在外显的自由回忆测验中，遗忘症患者比控制组被试回忆的项目要少得多，而在内隐测验中，两者的显著差异便不存在了。由此，一个自变量（记忆缺陷与否）的效果随着另一自变量（测验的类型）的水平变化而变化
一类/二类错误、检验力
1⃣️一类：零假设为真的情况下，错误拒绝零假设。概率用a表示
2⃣️二类：零假设为假的情况下，错误接受零假设。概率用B表示
3⃣️检验力：零假设为假的情况下，准确拒绝零假设。概率用1-B表示
检验力是期望t值和a的函数
Z分数比较的前提
Z分数比较来自两个样本的数值时，需要两个分布形态相似才合理
探索性因素分析和验证性因素分析区别
1⃣️基本思想：探索性因子分析主要是为了找出影响观测变量的因子个数,以及各个因子和各个观测变量之间的相关程度,以试图揭示一套相对比较大的变量的内在结构。而验证性因子分析的主要目的是决定
事前定义因子的模型拟合实际数据的能力,以试图检验观测变量的因子个数和因子载荷是否与基于预先建立的理论的预期一致。
2⃣️ 应用前提不同
探索性因子分析没有先验信息,而验证性因子分析有先验信息。
测谎仪的主要原理
测谎仪记录人在情绪变化时各种自主生理波动，根据情绪状态下个人不能控制其生理变化的原理设计。
情绪包括认知的、生理的和行为的成分，概括起来如下：情绪包括一个主观的有意识的体验；身体唤醒和特征性外显表达
比较检验方法不同
相同：不同方法得出的结论相同 不同：1⃣️自变量 2⃣️因变量 3⃣️实验设计类型不同 3⃣️统计方法不同：t检验采用平均数的差异检验原理；方差分析采用变异分解原理 4⃣️结果不同：汇合方差t检验和单因素方差分析不关注前后测的差异，混合设计方差分析可同时表明前后测的差异和性别差异
双盲实验
消除实验者效应的最好方法，被试和实验者都不知道被试是在实验组还是控制组，这种技术在空气污染的行为效应研究中常常使用
差别阈限
刚刚能引起差别感觉的最小刺激强度差。操作定义为有一半的次数能觉察出差别的刺激强度差值（也叫JND）
韦伯定义定义 适用条件 意义
1⃣️韦伯定律指差别阈限与标准刺激之间保持一种常数关系。
deltaI/I=K（I：标准刺激的物理量；deltaI：差别阈限；K：常数）对于不同感觉，K的数值不同，即韦伯分数不同
2⃣️条件：只适用于中等强度的刺激，即只有使用中等强度的刺激，韦伯分数才是一个常数。刺激过强或过弱，比值都会发生改变
3⃣️意义：它使得比较不同感觉通道及不同条件下的感受性成为可能，如果没有韦伯定律，仅仅比较不同感觉通道的差别阈限并不能说明任何问题。
韦伯定律提供了一个比较辨别能力的重要指标。根据韦伯分数的大小，可以判断某种感觉敏锐程度。韦伯分数越小，感觉越敏锐
主效应
某个自变量的不同水平对因变量造成的影响，是这个自变量的水平之间的平均数差异
R的平方含义
决定系数，表示预测变量所能解释的总方差的比例
选择正确统计检验需要考虑的因素
1⃣️数据类型（自变量/因变量的量尺、因变量是否正态分布、样本是否随机抽样）
2⃣️实验设计（被试间/内/匹配设计）
3⃣️实验分组（单组、两组、多组
同一批数据，参数/非参数方法都适合，为什么选择参数
1⃣️非参数方法未能充分利用资料全部信息，大样本计算复杂，不能处理变量之间的交互作用
2⃣️参数方法结果更精确，检验力较高，充分利用资料全部信息
如何进行拉丁方设计
拉丁方设计要同时控制两个额外变量，通过将两个额外变量分别分配给行和列，将所有可能的处理顺序考虑进来，从而对实验顺序效应进行平衡
步骤：1.根据自变量水平数确定两个额外变量水平数
2.利用两个额外变量的各个水平结合在一起构造一个方格
3.将自变量的不同处理平衡地安排在这个方格中（具体方法：第一行：1，2，n,3,n-1….然后每一列按自然数排序递增）
随机分配及例子
在复述实验中，用随机分配的方法，形成两个组别的方式是随机点名，让每个人上前投掷骰子🎲，让奇数在一组而偶数在一组
定义：每个被试有相等的机会分配到不同的实验处理中去，可以提高我们根据实验结果作出因果判断的能力
信度和效度
信度：实验结果的可信程度，即实验结果的可重复性
效度：指所测量到的结果反映所想要考察内容的程度
横断设计/纵向设计优缺点及解决
1.指在一定的时间横断面上选取不同年龄的人进行比较研究的方法。（比如：在同一时间对小学一年级、初一和初二的学生进行逻辑思维测查，考察不同年龄青少年的思维发展水平，并加以比较分析）
优：可以在较低时间内收集大量数据资料，节省时间和经费
缺：但可能存在同辈效应
2.指研究者在一段时间内重复观察一组被试（比如：从2014年到2019年每年都对同一群中小学生进行逻辑思维测查）
优点：对发展变化更敏感
缺：年龄与测试时间混淆（前历效应）、重复测验、被试流失导致实验偏差
3.解决：聚合交叉设计（不同年龄段的人们重复测验多次，即横断设计和纵向设计的结合
正偏态分布选用众数测量集中趋势不合理的原因
1⃣️众数是一个样本中具有最高频数的那个值。运用分布的众数时，一个可能的问题就是众数很大程度上会受到数据的分组方式的影响
2⃣️测量集中趋势的主要目的是从一组数据中找出一个最能代表这组数据的值
3⃣️当数据为连续变量且为正偏态时，说明存在极端值，此时应选择中数
想知道新加入的预测变量是否最能解释尚未被解释的因变量的变异性，应选择什么指标及其含义
标准化偏回归系数
当方程的其他预测变量不变的时候，该预测变量增加一个标准差，则效标变量增加B个标准差
被试间等组方法
1⃣️匹配：根据某一特质的测量结果将基线分数相等的被试进行配对，再随机分配到不同的实验处理中去
2⃣️随机化：每个被试有相等的机会被分配到任何一个组别中
统计控制法来控制混淆变量
在实验完成后通过一定的统计技术来事后避免额外变量的干扰
准实验设计
由于各种原因（比如天生特征、法律约束、技术限制等），某些变量不能直接操纵而是自然产生的实验，不能得出因果结论。典型的准实验设计的自变量往往是被试变量。介于非实验设计和真实验设计之间的设计，
准实验设计对无关变量的控制比实验设计要严格一些，能够对一部分无关变量进行控制，但却不像真实验设计对无关变量控制得广泛和充分。
相关研究优缺点
优：确定两个变量间的关联程度，有助于预测
缺：无法确定因果关系；
无法排除混淆变量；
高相关可能出于偶然。
